SKILLEMALL.ai

AB sedentary-reminder

Разрабатывает практичные системы напоминаний о перерывах в сидячей работе с надежной логикой тайминга. Используйте, когда пользователи хотят получить помощь в определении времени напоминания, частоты напоминаний, времени отсрочки, адаптации к контексту (фокус/встреча/присутствие) и генерации естественного текста напоминаний или планов повторяющихся напоминаний.

машинный переводПоказать оригиналСкрыть оригинал«Designs practical sedentary-break reminder systems with strong timing…»

Designs practical sedentary-break reminder systems with strong timing logic. Use when users want help deciding when to remind, how often to remind, when to defer, how to adapt to focus/meeting/presence context, and how to generate natural reminder copy or recurring reminder plans.

ClawHub Agent Skills автор: xianyu v1.2.1 MIT-0 10 файлов тело ≈ 3 621 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Разрабатывает практичные системы напоминаний о перерывах в сидячей работе с надежной логикой тайминга.

Как процесс B 75/100 · Почти готов — слабые места: входы и предусловия, повторный запуск, отчётность по ходу

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
B
75/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 75/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 213
    • 100Ошибки и развилки. Развилок: 13, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3621 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 24. Похоже на несколько доменов в одном скилле

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 281 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 40 заголовков
    • +3Пошаговые инструкции: 213 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (0 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (8 из 8)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

    Внешние проверки

    ClawHub: clean
    This is an instruction-only sedentary-break reminder skill, with disclosed local reminder-state updates but no code, credentials, network access, or hidden behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.